در قالب یک پژوهش بررسی شد؛ استفاده از هوش مصنوعی در مدل سازی فرآیند بارش – رواناب

به گزارش باغ من اصفهان در پژوهشی بر مبنای استفاده از هوش مصنوعی در مدل سازی فرآیند بارش-رواناب، نشان داده شد که این نوع شبیه سازی یکی از روش های تخمین روانـاب و ابزاری مناسب بـرای مطالعـه فراینـدهای هیـدرولوژیک و ارزیابی منابع آب است.

پیش بینی رواناب یک مبحث تحقیقی فعال و اجتناب ناپـذیر در زمینه هیدرولوژی آب های سطحی بوده و همچنان به خاطرعدم قطعیت های موجـود در پارامترهـای هواشناسـی و هیـدرولوژی مساله ای پابرجا است. این مساله یکی از نیازهای عمده در طراحی پروژه های آبخیزداری و منابع آب است که برای برآورد آن از روش های مختلف استفاده مـی شـود.

فراینـد بـارش –روانــاب از اساســی تــرین و تأثیرگــذارترین فراینــدهای علــم هیدرولوژی به حساب می آید و یکی از مهم ترین اجزای چرخه هیدرولوژی است. با عنایت به محـدودیت منـابع آب شیرین، پیشبینی و مدلسازی صحیح این فرآیند برای مـدیریت منابع آب و کاهش خسارات سیل ضروریست.

در پژوهشی که توسط یاروسلاو کرمانسکی، محمود حبیب نژاد روشن، کاکا شاهدی و سیدحسین روشان انجام شد، عملکرد روش های هوش مصنوعی ANN و SVM در مدلسازی فرآیند بارش – رواناب (مطالعه موردی: حوضه آبخیز کارون شمالی) مقایسه شد.

در این تحقیق، به منظور شبیه سازی فرآیند بارش– رواناب از داده هـای بـارش و دبـی جریـان در دوره زمانی ۱۳۹۶ -۱۳۷۶ استفاده شد. پس از کنترل کیفی و صحت داده ها، تأخیر بارش و دبی با استفاده از ضرایب خودهمبستگی، خود همبسـتگی جزئی و همبستگی متقارن در نرم افزار Studio R مشخص شد. سپس پارامترهای مؤثر و ترکیب بهینه هم بهروش آزمون گاما تعیین و بـرای اجـرای مدل تحت سه سناریوی مختلف در نرمافزار MATLAB مورد استفاده قرار گرفتند.

نتایج این پژوهش نشان داده است که استفاده از روش های نوین هـوش مصـنوعی در شـبیه سـازی فرآیند بارش– رواناب جهت بررسی خصوصـیات سـیلاب هـا پیش از زمان رسیدن به دبی و زمان وقوع اوج متـداول شـده است. همینطور نتایج آزمون گاما نشان داد که پارامترهـای بـارش روز جـاری، بارش یک روز قبل، دبی روز قبل و دو روز قبل دارای بیشترین تاثیر در دبی خروجی حوضه هستند.

این نوع شبیه سازی یکی از روش های تخمین روانـاب و ابزاری مناسب بـرای مطالعـه فراینـد های هیـدرولوژیک و ارزیابی منابع آب هستند. نتـایج ایـن مطالعـه مـی توانـد در تصــمیم گیرهــای مــدیریت صــحیح منــابع آب بــه خصــوص جریان های سـطحی، مطالعـه مربـوط بـه حساسـیت سـیلاب و اخطار سیل، انتخاب مدل بهینه برآورد رواناب ناشی از بـاران و مطالعات در ارتباط با مهندسی رودخانه و طراحی سازه هـا بـه کـار گرفته شود.

نتایج پژوهش «مقایسه عملکرد روشهای هوش مصنوعی ANN و SVM در مدلسازی فرآیند بارش – رواناب (مطالعه موردی: حوضه آبخیز کارون شمالی)» در شماره دوم نشریه علوم آب و خاک دانشگاه صنعتی اصفهان تابستان ۱۴۰۰ منتشر گردید.